基于不确定性与边缘釆样的主动学习算法研究
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 图目录 | 第13-14页 |
| 表目录 | 第14-16页 |
| 第1章 绪论 | 第16-23页 |
| 1.1 研究背景和意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-21页 |
| 1.3 研究方法与论文框架 | 第21-23页 |
| 1.3.1 本文研究方法 | 第21页 |
| 1.3.2 本文框架 | 第21-23页 |
| 第2章 相关工作 | 第23-27页 |
| 2.1 主动学习的一般过程 | 第23-24页 |
| 2.2 流形保持图缩减算法(MPGR)简介 | 第24-27页 |
| 第3章 基于不确定性的主动学习 | 第27-50页 |
| 3.1 基于不确定性的高斯过程主动学习 | 第27-31页 |
| 3.1.1 高斯过程 | 第28-29页 |
| 3.1.2 高斯过程主动学习(GPAL) | 第29-31页 |
| 3.2 改进的高斯过程主动学习方法 | 第31-34页 |
| 3.3 实验 | 第34-49页 |
| 3.3.1 实验设置 | 第35-36页 |
| 3.3.2 人工数据 | 第36-39页 |
| 3.3.3 UCI数据集 | 第39-44页 |
| 3.3.4 实验结果分析 | 第44-45页 |
| 3.3.5 与特征选择的对比 | 第45-49页 |
| 3.3.6 本节小节 | 第49页 |
| 3.4 本章小结 | 第49-50页 |
| 第4章 基于边缘的主动学习 | 第50-64页 |
| 4.1 几种常用的基于边缘的主动学习算法 | 第50-54页 |
| 4.1.1 支持向量机 | 第50-52页 |
| 4.1.2 边缘采样 | 第52-53页 |
| 4.1.3 基于多层次的不确定采样 | 第53页 |
| 4.1.4 基于空间重构的采样 | 第53-54页 |
| 4.2 改进后的边缘采样 | 第54-56页 |
| 4.3 实验 | 第56-63页 |
| 4.3.1 数据集信息 | 第57-58页 |
| 4.3.2 实验设置 | 第58-59页 |
| 4.3.3 实验结果 | 第59-62页 |
| 4.3.4 实验结果分析 | 第62-63页 |
| 4.3.5 本节小节 | 第63页 |
| 4.4 本章小结 | 第63-64页 |
| 第5章 基于高斯过程与边缘采样的主动学习算法对比 | 第64-84页 |
| 5.1 QUIRE算法简介 | 第64-68页 |
| 5.2 各方法的实验比较 | 第68-75页 |
| 5.2.1 实验设置 | 第68-69页 |
| 5.2.2 实验结果 | 第69-73页 |
| 5.2.3 实验结果分析 | 第73-74页 |
| 5.2.4 本节小节 | 第74-75页 |
| 5.3 本章小结 | 第75-84页 |
| 第6章 总结与展望 | 第84-86页 |
| 6.1 总结 | 第84-85页 |
| 6.2 展望 | 第85-86页 |
| 附录 (硕士期间工作) | 第86-87页 |
| 参考文献 | 第87-92页 |
| 致谢 | 第92页 |
